根據市場調研&諮詢公司 Counterpoint 的數據，2023 年第二季度（Q2），智慧型手機市場晶片從出貨量維度看，高通在全球市場份額達到了 29%。由於旗艦產品第二代驍龍 8 大獲成功，Q2 出貨量環比增長 14.5%。由於高通近年來持續發力 AI 領域，銷量的增長表明了市場對押注 AI 方向的認同。
高通從非智慧型手機時代到智慧型手機時代，一直在為手機研發晶片。以 ChatGPT 為代表的生成式 AI 走入公眾視野後，一場無法避免的 AI 對手機的革命拉開大幕，作為手機 AI 應用的承載者——高通，成了這場變革里的重要玩家。
生成式 AI 將如何徹底改變人與手機的關係？
手機之於現代人而言，更像是一個「人造器官」而非工具。尤其在中國，手機集合了通訊、娛樂、支付、信息查詢、政務、社保等等一系列功能。「出門忘帶手機則寸步難行」這句頗有調侃意味的話，形容當下的中國尤為貼切。
誠然，近十年來智慧型手機的確取得了巨大的進步，比如 4G、5G 的普及讓短視頻成為手機生活的中心，各類基於手機的支付方式讓手機真正成為「出門必備」。但手機功能的日漸豐富，也暴露出「創新的窘境」，因為手機在根本上並沒有發生「人機互動方式」的革命。觸屏、文字輸入依然是主流，雖然近年來出現了語音交互，但效果並不讓人滿意。
生成式 AI 的出現，正在打破這一創新僵局。
不知道有多少手機用戶在「網上衝浪」時，會感受到一種「麻煩」和「複雜」帶來的無力感？當你在制訂一個出行計劃，就不得不在若干個手機 APP 之間切換，來回比對信息。「合適的航班」、「酒店的價格」、「景區的門票」、 「需要預約的餐廳」，當若干因素在時間和價格維度上開始耦合，手機就無能為力。或許這就是我們智慧型手機叫「smart phone」，而稱人工智慧為「Artificial Intelligence」，此智能為彼智能。那麼，智能（smart）手機何時能成為真正的智能（Intelligence）手機呢？
在高通 CEO 安蒙（Cristiano Amon）看來，這種轉變正在發生。安蒙是一位具有豐富技術背景的 CEO，曾經是一名電氣工程師，而且是高通 4G 技術和 Snapdragon 晶片研發的關鍵人物，甚至對每個細節都非常了解。高通不僅為智慧型手機提供晶片等支持，還包括了部分筆記本電腦和 VR 頭顯設備等等各類智能終端，因此安蒙的觀點相當具有洞見和前瞻性。
圖｜高通公司 CEO 安蒙
生成式 AI 的出現讓用戶可以和 AI 使用自然語言進行交流。安蒙在媒體採訪中提到了 ChatGPT：「例如，當用戶進入 ChatGPT 輸入查詢，它會運行有數十億參數的模型，由此而生成的每一個單詞，也就是我們所說的 Token，都需要進行計算。比如說，我現在有了第一個單詞，那麼下一個單詞可能是什麼？ChatGPT 是一款了不起的產品，因為它，世界上的每個人開始了解生成式 AI。」
ChatGPT 的流行讓生成式 AI 不再神秘，幾乎成為了人人在 PC 電腦端可得的工具，但很少有人能意識到電腦端 AI 和移動端 AI 的區別，尤其是後者得天獨厚的優勢。進一步說，用安蒙的話闡述，「真正有趣的地方在於讓生成式 AI 在智慧型手機本地運行，而不是雲端」。
為何？
在移動端運行的 AI 比電腦更了解用戶。用戶的行為數據、位置數據，讓 AI 能提供定製化服務，這些都是電腦不具備的，畢竟人們不會帶著電腦到處去。此時，智慧型手機的使用方式將不再只是單一應用的操作和使用，而是由生成式 AI 完成與所有應用的協同工作。假設我們正在發簡訊。我說，「很高興參加這次活動，我還遇到了另一個人。」如果之前我遇到這個人的時候和他拍了合影。那麼，AI 就會在我提到這個人時給出提示，進入相冊並識別出這張照片。
聯想前文筆者列舉的制定旅遊行程的各種麻煩，目前理想的方式是告訴 AI 你的需求，它會進行全網搜索，給出航班、酒店、景區、餐廳的等等要素的合適搭配。
圖｜完美的機器人：能夠用母語交流，改變人機互動的方式（高通）
在安蒙的洞察中，還有一個關鍵信息——「本地」。為何是本地，而不是雲端？或者說，不是 100% 的雲端？這需要從在終端側部署 AI 的邏輯說起。
在萬物上雲的時代，為何高通要強調「本地部署」？
終端側，我們也叫「邊緣側」，指的是那些直接和用戶產生交互的設備，比如手機、智能手錶、智能家居、VR 頭顯等等。和終端側相對的概念是雲端，雲端的優勢是性能強大，而終端側的特點是「複雜」，比如部署在汽車和手機上的 AI 應用看起來相似，開發起來有本質不同。
非常容易想到的一種部署方式，就是把所有終端側 AI 應用的計算放到雲端，減輕本地運算負擔，甚至能降低本地晶片算力需求。這種設想是很好的，但不具備可信性。
首先，雲計算帶寬不足。在 AI 時代，計算量規模呈指數級別上升。ChatGPT 模型參數數量有近 2000 億個，每次輸入內容查詢，調動的參數也會多達數十億個，由此產生海量的數據，在一些特定場景，由於帶寬限制，根本來不及處理。比如無人駕駛汽車，在高速公路上時，需要在毫秒級別內做出反應，即便雲端算力足夠，帶寬也無法承載。
還有一個現實的例子更能說明這一點，波音 787 飛機每秒鐘產生 5GB 數據，飛機和衛星之間的傳輸速度無法處理如此大的數據量。所以最好的搭配是本地+雲端，AI 部署在本地，本地處理一部分需求（數據），再由雲端處理另一部分，通力合作，滿足用戶需求。
當然，這並不是把 AI 在終端側部署、計算的唯一原因。用戶還在乎數據隱私問題，把個人數據放在雲端，他們更傾向於放在本地。再就是穩定性，設想一下當回到自己家需要用人臉識別開門，但恰好遇到斷網的時候。為了避免出現這種情況，一些 AI 應用必須也只能部署在本地。
圖｜高通為 Meta Quest AR 頭顯等設備提供晶片（美聯社）
因此，安蒙說「真正有趣的地方在於讓生成式 AI 在智慧型手機本地運行，而不是雲端」，其實表達了兩個重要觀點。一是移動端 AI 比雲端 AI 具有更強的交互性，二是它需要本地和雲端的結合。
生成式 AI 走入公眾視野以來，高通在「終端側部署 AI」的研發方面，取得了許多研發成果。2022 年 11 月 30 日 ChatGPT 發布，當大多數人還在後知後覺和不知不覺的時候，2023 年 2 月 23 日，高通成功在搭載了驍龍晶片的安卓手機上運行了 Stable Diffusion，這在全球是首次。這款應用也是後來家喻戶曉的、自媒體人和設計師必備的「文字生成圖片」神器。
這是了不起的一步，因為該應用模型具有 10 億個參數，在此之前它只能在電腦端運行（其實是電腦端訪問，雲端運行）。
賦能上下游合作夥伴，推進 AI 在終端側的部署是高通長期以來的策略，這種賦能不僅是硬體上的，也包括軟體上的，甚至是針對 AI 源頭開發者的。我們在上文提到，由於終端側設備的多樣性和複雜性，導致每一款應用針對每一類設備的部署都產生了「非標」的效應——類似開發一款定製化非標準件，以適應不同終端需求。
為了解決這一難題，避免重複開發，提升開發者效率從而讓他們把更多精力放在更具創新性的工作上，2022 年 6 月，高通發布了 AI Stack。作為一款 AI 開發「全家桶」，該平台讓 AI 開發者真正實現了「一次開發，多終端使用」。
良性的賦能，既要包括高端用戶，也要覆蓋普惠用戶
高通在 AI 領域的優勢並非短時間內建立，最早可以追溯到 2007 年。那時候，高通開始探索機器學習脈衝神經方法。10 年後，高通憑藉一步一個腳印的紮實技術積累，於 2016 年推出了高通驍龍神經處理引擎工具包(Snapdragon Neural Processing Engine SDK)。
這讓高通當年成為首家提供專為移動設備設計的深度學習工具包的 SoC 供應商。這一套開發工具允許原始設備製造商（OEM）在各種設備上，如智慧型手機、安全攝像頭、汽車和無人機等搭載了驍龍 820 晶片的設備中，運行他們自己的神經網絡模型，而無需連接到雲端。這一創新使下游製造商能夠個性化開發場景檢測、文本識別、對象跟蹤和迴避、手勢、人臉識別以及自然語言處理等功能。
每當提到 AI、晶片，都會讓大眾產生一種「高大上」的感覺。越來越快、越來越先進的晶片和越來越「無所不能」的 AI，是在距離普通人越來越遠嗎？一個合格的 AI 時代玩家，是不應該讓普惠用戶掉隊的，它的產品應該能覆蓋所有人。
推動 AI 大模型更廣泛應用的第一步是確保更多人能夠真正享受到 AI 的便利。繼其首款專為生成式 AI 精心打造的旗艦移動平台第三代驍龍 8 之後，高通在 2023 年 11 月又緊跟著快速推出了第三代驍龍 7，將非旗艦移動平台上的卓越使用體驗和 AI 支持帶給更廣泛的用戶群體。這一舉措明顯可以將原本僅限於「旗艦專享」的終端側 AI 服務推廣，同時有望在實質上促使整個 AI 生態系統實現指數級增長。
這種指數級增長，將會打破手機行業目前的內卷狀態。2023 年下半年，先是傳出 OpenAI 將要進軍硬體領域，開發基於 AI 的硬體設備。10 月份，搭載了谷歌 AI 模型的系列手機發布。各大手機廠商紛紛擁抱 AI 大模型，這無疑開闢出了一片藍海。
高通 CEO 安蒙表示，「AI 發展勢如破竹，這是我們所喜聞樂見的。為迎接這一刻的到來，我們早已準備多年。縱觀智慧型手機領域，AI 的發展有望開啟一輪全新的增長周期。」
生成式 AI 是一次千載難逢的機會。之於高通是，之於其他科技玩家也是，基於智慧型手機的新一輪創新浪潮已勢不可擋，我們需要為此做好準備。